미국 국가 AI 연구 자원을 위한 Hugging Face 권고사항

기술 및 윤리 전문성 우선시

NAIRR은 기술 전문성과 윤리적 혁신에 대한 입증된 실적을 모두 갖춘 고문을 임명해야 합니다. 이러한 이중 전문성은 기술적으로 실현 가능하고 적용 가능한지를 판단함과 동시에 AI 시스템이 해로운 편견을 악화시키거나 악의적인 사용을 가능하게 하지 않도록 보장하는 데 필요합니다. Hugging Face는 Hugging Face의 최고 윤리 과학자인 Dr. Margaret Mitchell을 이러한 유형의 외부 고문의 예시로 제시합니다.

모델 및 데이터 문서화 표준화

다양한 청중에게 접근성과 가독성을 향상시키기 위해 NAIRR은 데이터셋 및 시스템 문서화를 위한 표준화된 템플릿을 마련하고 제공해야 합니다. Hugging Face는 널리 채택된 문서 구조인 Model Cards가 AI 모델 문서화에 일관성과 투명성을 보장하는 강력한 템플릿이 될 수 있다고 제안합니다.

비기술 전문가를 위한 접근성 확대

AI 연구는 교육 자료, 직관적인 인터페이스, 저코드 또는 노코드 도구를 제공함으로써 학제간 및 비기술 전문가에게도 접근 가능해야 합니다. 이를 통해 다양한 분야의 전문가들이 깊은 기술 역량 없이도 AI 모델 훈련과 같은 복잡한 작업을 수행할 수 있습니다. Hugging Face는 AutoTrain 도구를 예시로 들어, 사용자의 기술 배경에 관계없이 자연어 처리(NLP) 모델을 훈련, 평가 및 배포할 수 있게 하는 기술이라고 강조합니다.

악의적 사용 모니터링 및 완화

NAIRR은 혐오 발언, 정치적 허위 정보, 그리고 심각한 해로운 편견을 포함하는 “해악”의 정의를 설정하고 지속적으로 업데이트해야 합니다. 이러한 위험을 완화하기 위해 Hugging Face는 NAIRR이 법률 전문가에 투자하여 Responsible AI Licenses (RAIL)를 개발할 것을 권고합니다. RAIL은 AI 자원을 악용하는 행위자에 대해 조치를 취할 수 있는 메커니즘을 제공합니다.

다양한 글로벌 관점을 강화

책임 있는 혁신을 촉진하기 위해 AI 도구와 자원은 다양한 학문 분야와 언어를 사용하는 연구자들에게 접근 가능해야 합니다. Hugging Face는 특히 미국에서 가장 많이 사용되는 언어들을 포함한 다국어로 자원을 제공할 것을 권고합니다. Hugging Face와 프랑스 정부가 주최한 BigScience Research Workshop은 60개국 이상에서 1,000명 이상의 연구자가 참여한 커뮤니티로, 다양한 글로벌 관점을 통합하여 강력한 오픈소스 다국어 언어 모델을 구축한 성공적인 사례로 언급됩니다.